資源描述：
《梯級水電站群中長期優(yōu)化調(diào)度的離散梯度逐步優(yōu)化算法》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。
1、水利學(xué)報2018年10月SHUILIXUEBAO第49卷第10期文章編號：0559-9350（2018）10-1243-11梯級水電站群中長期優(yōu)化調(diào)度的離散梯度逐步優(yōu)化算法11112趙志鵬，廖勝利，程春田，鐘儒鴻，王昱倩（1.大連理工大學(xué)，遼寧大連116024；2.華能瀾滄江水電股份有限公司，云南昆明650206）摘要：充分利用現(xiàn)有水電資源，進(jìn)行庫群中長期優(yōu)化調(diào)度是構(gòu)建清潔低碳、安全高效的現(xiàn)代能源體系的重要措施。逐步優(yōu)化算法（POA）將多階段問題轉(zhuǎn)化為多個兩階段子優(yōu)化問題，是求解中長期庫群優(yōu)化調(diào)度較為廣泛且有效的一種方法。但隨著水庫數(shù)目的增
2、加，POA仍會面臨嚴(yán)重的“維數(shù)災(zāi)”問題。本文以梯度下降法為基礎(chǔ)，提出離散梯度的概念及離散梯度逐步優(yōu)化算法（DGPOA），該方法在不直接求導(dǎo)的情況下充分利用局部離散梯度信息確定最優(yōu)搜索方向，可以快速獲得優(yōu)化結(jié)果。最后將該算法應(yīng)用到瀾滄江流域五水庫梯級系統(tǒng)中，在不同離散精度和來水條件下，利用POA、POA-DPSA和DGPOA算法對梯級水庫進(jìn)行優(yōu)化計算。結(jié)果表明，在不顯著降低全局搜索能力的情況下，DGPOA的計算速度分別達(dá)到了POA-DPSA算法的8~12倍，POA算法的50~250倍，是一種解決梯級水庫站群中長期優(yōu)化調(diào)度中“維數(shù)災(zāi)”問題的有效
3、方法。關(guān)鍵詞：梯級水電站優(yōu)化調(diào)度；梯度下降法；逐步優(yōu)化算法；維數(shù)災(zāi)中圖分類號：TV697文獻(xiàn)標(biāo)識碼：Adoi：10.13243/j.cnki.slxb.201804421研究背景截止到2016年底，我國水電裝機(jī)容量和年發(fā)電量已經(jīng)突破3億kW和1萬億kW·h，分別占全部［1］［2］能源的20.9%和19.4%，水電已經(jīng)成為中國占比最大的可再生能源。充分利用水電資源，進(jìn)行水［1］庫群優(yōu)化調(diào)度是構(gòu)建清潔低碳，安全高效的現(xiàn)代能源體系的重要措施。梯級水電站群優(yōu)化調(diào)度是一［3］個典型的高維度、多階段、非線性、非凸優(yōu)化問題，其求解難度隨著電站數(shù)量的增加，
4、相互制約約［4］束條件的引入，復(fù)雜電力和水力聯(lián)系的耦合而急劇增加。目前常用的求解方法包括線性規(guī)劃、非線［5］［6］［7］［8-10］性規(guī)劃、網(wǎng)絡(luò)流、大系統(tǒng)分解協(xié)調(diào)方法、動態(tài)規(guī)劃及其改進(jìn)算法，以及以遺傳算法、粒子群［11-14］算法、差分進(jìn)化算法等為代表的新興智能算法等。線性規(guī)劃，大系統(tǒng)分解協(xié)調(diào)，網(wǎng)絡(luò)流等方法都需要對系統(tǒng)進(jìn)行一定的近似處理，容易產(chǎn)生偏差；非線性規(guī)劃對約束條件和目標(biāo)函數(shù)的函數(shù)形式有一定的要求，難以應(yīng)用于實際；智能算法，由于隨機(jī)因素的存在，其解穩(wěn)定性較差。動態(tài)規(guī)劃因其對約束條件和目標(biāo)函數(shù)的函數(shù)形式限制較少，結(jié)果穩(wěn)定等特性，是水庫調(diào)
5、度領(lǐng)域應(yīng)用最廣泛的算法之一，但是隨著計算規(guī)模的增加面臨著嚴(yán)重的“維數(shù)災(zāi)”問題。［15］逐步優(yōu)化算法（ProgressiveOptimalityAlgorithm，POA）作為動態(tài)規(guī)劃的改進(jìn)算法，將多階段問［16-19］題轉(zhuǎn)化為多個兩階段問題，降低了階段間的狀態(tài)組合數(shù)目，被廣泛應(yīng)用于水電優(yōu)化調(diào)度。在求解兩階段子問題時，POA采用給定離散步長的網(wǎng)格搜索法，確保了在求解子問題上的全局收斂性，但［18］隨著規(guī)模的增加，仍然存在嚴(yán)重的“維數(shù)災(zāi)”問題。針對此問題，已有文獻(xiàn)將POA算法與正交抽樣、收稿日期：2018-07-17；網(wǎng)絡(luò)出版日期：2018-1
6、1-01網(wǎng)絡(luò)出版地址：http：//kns.cnki.net/kcms/detail/11.1882.TV.20181101.1650.003.html基金項目：國家自然科學(xué)基金項目（91547201，U1765103）作者簡介：趙志鵬（1992-），男，河北邯鄲人，博士生，主要從事大規(guī)模水庫優(yōu)化調(diào)度研究。E-mail：dlutzhaozhipeng@foxmail.com通訊作者：程春田（1965-），男，湖北孝感人，教授，博士生導(dǎo)師，長江學(xué)者特聘教授，主要從事大規(guī)模復(fù)雜水電系統(tǒng)研究。E-mail：ctcheng@dlut.edu.cn—
7、1243—［20-21］［22］逐次逼近算法（DPSA）、并行計算等方法進(jìn)行組合優(yōu)化，使“維數(shù)災(zāi)”問題得到緩解。POA算法中的兩階段子優(yōu)化問題實質(zhì)上是一個多變量單值函數(shù)的最優(yōu)化問題。本文提出離散梯度（DiscreteGra?dient）的概念，并利用離散梯度下降法對子優(yōu)化問題求解，從而提出離散梯度逐步優(yōu)化算法（DG?POA）。該方法可在不直接求導(dǎo)的情況下，使用離散梯度的信息，確定給定離散步長下的最優(yōu)搜索方向，并利用線搜索迭代方程進(jìn)行迭代求解，可以顯著減少計算規(guī)模，快速獲得優(yōu)化結(jié)果。2調(diào)度模型2.1目標(biāo)函數(shù)以發(fā)電為主的中長期優(yōu)化調(diào)度一般采用發(fā)
8、電量最大模型。本文計算步長選為1個月，調(diào)度周期為1年。NTmaxE(Z)=??AiQi，jHi，jΔtj（1）i=1j=1式中：i、j分別為水庫和時段序號；N為參與計算的水庫總數(shù)
